<![CDATA[Penelitian ini bertujuan untuk mengklasifikasikan sentimen publik di platform YouTube terkait isu gencatan senjata antara Iran dan mantan Presiden Amerika Serikat, Donald Trump. Dataset yang diambil dari komentar YouTube berjumlah 2000 dianalisis dan menghasilkan 576 data uji dengan distribusi sentimen yang tidak seimbang, pelabelan dataset menggunakan RoBERTa dengan 2 (dua) kelas, yaitu 428 label negatif, 114 netral, dan 34 positif. Ekstraksi fitur menggunakan pendekatan Bag-of-Words kombinasi unigram dan bigram untuk melatih algoritma machine learning, dengan fokus pada komparasi Support Vector Machine (SVM) dan Naïve Bayes. Hasil pengujian secara numerik menunjukkan bahwa Naïve Bayes memperoleh akurasi lebih tinggi sebesar 78.6% dengan skor macro F1 sebesar 0.503 akibat bias pada kelas mayoritas, sedangkan untuk SVM menghasilkan akurasi sebesar 74% dengan macro F1 mencapai 0.539. Penelitian ini berhasil mengimplementasikan model dengan baik meskipun Naïve Bayes unggul dalam akurasi umum karena dominasi data bersentimen negatif, SVM terbukti lebih seimbang dalam memetakan polarisasi sentimen publik yang kompleks di media sosial.]]>
Copyrights © 2026
